买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉成都理工大学申请的专利一种面向智能仓储的卷积神经网络视觉分拣系统及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121352415B 。

龙图腾网通过国家知识产权局官网在2026-04-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511898104.3，技术领域涉及：G06Q10/0631；该发明授权一种面向智能仓储的卷积神经网络视觉分拣系统及方法是由林泰来;曾兵设计研发完成，并于2025-12-16向国家知识产权局提交的专利申请。

本一种面向智能仓储的卷积神经网络视觉分拣系统及方法在说明书摘要公布了：本发明公开了一种面向智能仓储的卷积神经网络视觉分拣系统及方法，包括以下步骤：获取预设时间段内的待分拣订单信息，根据货物品类与需求量对订单进行分割与重组，生成多个分拣序列集；配置对应的分拣设备任务；获取图像特征与点云特征；构建基于卷积神经网络的货物识别与位姿估计模型，结合图像特征与点云特征进行联合训练，输出货物的类别与空间位姿；根据识别结果与位姿信息，控制机械臂与末端执行器完成货物的抓取与分拣。本发明通过分析订单信息并进行分割重组，生成分拣序列集，结合需求量与优先级分配任务，实现分拣流程的优化调度与资源高效利用。提高分拣准确率与安全性，降低人工干预及错漏分风险。

本发明授权一种面向智能仓储的卷积神经网络视觉分拣系统及方法在权利要求书中公布了：1.一种面向智能仓储的卷积神经网络视觉分拣方法，其特征在于，包括以下步骤： 获取预设时间段内的待分拣订单信息，根据货物品类与需求量对订单进行分割与重组，生成多个分拣序列集； 基于分拣序列集中货物的需求量与分拣优先级，设定分拣等级并分配至不同分拣区域，配置对应的分拣设备任务； 采集待分拣货物的图像信息，对图像进行预处理后提取感兴趣区域，获取图像特征与点云特征； 构建基于卷积神经网络的货物识别与位姿估计模型，结合图像特征与点云特征进行联合训练，输出货物的类别与空间位姿； 根据识别结果与位姿信息，控制机械臂与末端执行器完成货物的抓取与分拣； 所述构建基于卷积神经网络的货物识别与位姿估计模型，结合图像特征与点云特征进行联合训练，输出货物的类别与空间位姿，具体包括： 采用改进的YOLO-V2网络结构，输入为416×416×3的彩色图像，输出为多个角点的二维投影坐标及其置信度； 利用Apriltags视觉标签板进行半自动标注，生成高精度训练数据集； 通过PnP算法，结合已知的三维角点坐标与网络预测的二维投影点，求解目标物相对于相机坐标系的位姿； 引入非极大值抑制与点云聚类算法，对预测位姿进行滤波与修正，提升位姿估计精度； 获取最终抓取点坐标时，采用加权融合方式修正网络预测偏差，其表达式为： ； 其中,为最终抓取点坐标；为网络预测角点反投影得到的三维点坐标；为点云分割得到的点云密集中心坐标；为融合权重系数，取值范围为； 在执行抓取前，还计算候选抓取区域的表面几何稳定性评分，用于筛选最优抓取点；所述稳定性评分通过如下公式计算： ； 其中,为表面几何稳定性评分，取值范围为，值越大表示该区域越适合稳定抓取；为候选抓取区域内采样的点云点数；为第个点云点的单位法向量；为候选区域内所有点云点法向量的平均向量；为向量差的欧氏范数，反映局部法向偏离程度；为第个点云点所在邻域的曲率值；为曲率惩罚系数，用于调节曲率对评分的影响强度，取值范围为；为曲率影响的指数衰减因子； 当时，判定该候选抓取区域满足几何稳定性要求，允许执行抓取操作； 在执行抓取操作后，若检测到抓取失败，启动自适应重试机制，计算当前候选抓取点的抓取成功率预测值，并据此调整策略；抓取成功率预测模型表达式为： ； 其中，表示预测的抓取成功率，取值范围为[0,1]；表示货物表面材质的动摩擦系数；表示气动吸盘与货物表面的有效接触面积，表示面积增益系数； 若，判定为高成功率，允许最多进行2次参数微调重试； 若，提示人工复核或切换至备用抓取策略； 若，则放弃该抓取点，重新触发视觉识别流程以寻找新候选区域。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人成都理工大学，其通讯地址为：610059 四川省成都市成华区二仙桥东三路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。